基于层次上下文的循环神经网络推荐方法
信息检索
2019-04-30 v1 机器学习
社会与信息网络
机器学习
摘要
用户的长期历史不可避免地反映了个人兴趣随时间的转移。对用户历史的分析需要稳健的序列模型来预测用户兴趣的转移与衰减。用户历史常由多种RNN结构建模,但推荐系统中的RNN结构仍受长期依赖与兴趣漂移的困扰。为解决这些挑战,我们提出了HCRNN,其包含全局、局部与临时兴趣三种层次上下文。该结构旨在保持用户的全局长期兴趣、反映局部子序列兴趣,并关注每次转移中的临时兴趣。此外,我们提出了一种基于层次上下文的门结构以纳入我们的兴趣漂移假设。由于我们提出了一种新的RNN结构,我们以互补的双通道注意力结构来支持HCRNN以利用层次上下文。我们在CiteULike、MovieLens和LastFM的序列推荐任务上对所提结构进行了实验,我们的模型在序列推荐中表现出最佳性能。
引用
@article{arxiv.1904.12674,
title = {Hierarchical Context enabled Recurrent Neural Network for Recommendation},
author = {Kyungwoo Song and Mingi Ji and Sungrae Park and Il-Chul Moon},
journal= {arXiv preprint arXiv:1904.12674},
year = {2019}
}